Está en la página 1de 19

Tema 6.

Inferencia
Estadstica
1
TEMA 6. INFERENCIA
ESTADSTICA.

1. Distribuciones en el muestreo
2. Tcnicas de estimacin
Tema 6. Inferencia
Estadstica
2
1.
DISTRIBUCIONES
EN EL MUESTREO
Tema 6. Inferencia
Estadstica
3
INFERENCIA ESTADSTICA I
Inferencia estadstica: Es difcil analizar a todos
los individuos de la poblacin. Permite obtener
conclusiones acerca de una poblacin en base a
muestras aleatoriamente seleccionadas (con un
margen de error relacionado con el tamao de la
muestra).
POBLACIN DE
PIEZAS
MUESTRA
muestreo
Tema 6. Inferencia
Estadstica
4
INFERENCIA ESTADSTICA II
Inferencia paramtrica: Se conoce F
(funcin de distribucin de la v.a. en estudio),
pero se desconocen los parmetros que la
caracterizan Estimar los parmetros
desconocidos
Inferencia no paramtrica: Conclusiones
ms genricas acerca de las variables en
estudio
Tema 6. Inferencia
Estadstica
5
MUESTRA ALEATORIA
Muestreo Aleatorio Simple: La calidad de la muestra
ser tan importante como su tamao. Se caracteriza por:
Insesgadez
Independencia

Muestra Aleatoria Simple (m.a.s) : Vector aleatorio
de tamao n:
X= (X
1
, X
2
, X
n
)
Cada posible valor de la m.a.s ser un conjunto de datos
y se representar por letras minsculas:
x= (x
1
, x
2
, x
n
)






Tema 6. Inferencia
Estadstica
6
ESTADSTICOS I
Una vez tomadas las muestras, podremos
realizar una serie de operaciones con ellas, que
nos permitirn estudiar la poblacin.

Estadstico:
Son funciones de la muestra aleatoria.
Cualquier parmetro que dependa de los valores
obtenidos en la muestra.
Todo estadstico es una var. aleatoria, ya que su
valor depende de los valores de la muestra que son
aleatorios.

Tema 6. Inferencia
Estadstica
7
DISTRIBUCIONES EN EL
MUESTREO
Cualquier estadstico es una v.a., cuya
distribucin va a depender de las
operaciones que haga para hallar el
estadstico.
Distribuciones en el muestreo:
Distribuciones de probabilidad de los
estadsticos.
Tema 6. Inferencia
Estadstica
8
ESTADSTICOS II
Los estadsticos ms utilizados:

n
x
n
x x
X
i
n

=
+ +
=
...
1
n
x x
s
n
i
i
2
1
) (

=

=
1
) (
2
1
1

=

=

n
x x
s
n
i
i
n
n
p
u
=
Media muestral
Proporcin muestral Cuasi-desviacin tpica muestral
Desviacin tpica muestral
v: N uds en las
cuales se presenta
el suceso en
estudio
Tema 6. Inferencia
Estadstica
9
DISTRIBUCIN DE LA MEDIA MUESTRAL I
Si la poblacin de la que tomamos la muestra, tiene
media y varianza o
2
, los valores de la muestra
tambin tendrn media y varianza.
Podemos calcular la media y la varianza de la media
muestral:
| |
| |

= =
(

=

n
n
n
x E
n
x
E x E
i i
| |
| |
n n
n
n
x
n
x
x
i i
2
2
2
2
var
var var
o o
=

= =
(

=

Tema 6. Inferencia
Estadstica
10
DISTRIBUCIN DE LA MEDIA
MUESTRAL II
El error estndar de la media muestral es:
c
c
o
c
=
~ =
x
0 grande, muy es n Si ) (
n
x
Cuanto mayor es la muestra, menor es el error, por tanto la
media muestral se parecer mucho a la media poblacional.
Tema 6. Inferencia
Estadstica
11
DISTRIBUCIN DE LA MEDIA
MUESTRAL III
La v.a MEDIA MUESTRAL seguir una distribucin
NORMAL:
Muestras grandes de poblaciones con distribuciones desconocidas
(n> 30)
Muestras pequeas en poblaciones NORMALES de varianza
conocida (n<30)

) , ( x
n
N
o

Tema 6. Inferencia
Estadstica
12
DISTRIBUCIN DE LA MEDIA MUESTRAL IV
La v.a MEDIA MUESTRAL seguir una distribucin T-
STUDENT con n-1 grados de libertad (n: n muestras):
Muestras de poblaciones NORMALES de varianza desconocida

X
-7 -4 -1 2 5 8
0
0.1
0.2
0.3
0.4
p
r
o
b
.

d
e
n
s
i
t
y

Prob. Density Fcn.
Student's t
n=5
n=50
n
s
x
t
t t P x X P
n
n
n
1
1
1
) ( ) (

=
= > = >

o
Tema 6. Inferencia
Estadstica
13
DISTRIBUCIN DE LA DIFERENCIA DE
MEDIAS MUESTRALES
Comparar el valor medio de una variable en 2
poblaciones diferentes:
Las varianzas poblacionales son conocidas
) , (
2
2
2
1
2
1
2 1
2 1
n n
N x x
o o
+
Las varianzas poblaciones son desconocidas, pero
supuestamente iguales.
Las varianzas poblacionales son desconocidas y
distintas.
Tema 6. Inferencia
Estadstica
14
DISTRIBUCIN DE LA VARIANZA Y CUASI-
VARIANZA MUESTRAL I
Calculamos la media de la varianza y la cuasi-
varianza:
| |
n
n
n
x x
E s E
i
n
) 1 (
) (
2
2
2

=
(
(


=

o
| |
2 2
1
o =
n
s E
El ms utilizado es la cuasi-varianza, ya que su
valor medio coincide con la varianza poblacional
Tema 6. Inferencia
Estadstica
15
DISTRIBUCIN DE LA VARIANZA Y CUASI-
VARIANZA MUESTRAL I
Por el teorema de Fisher, si la muestra tomada proviene
de una poblacin N (,o ), los estadsticos s
2
y s
2
n-1


seguirn una distribucin _
2
(gi-cuadrado)
0 20 40 60 80
X
0
0.04
0.08
0.12
0.16
p
r
o
b
.

d
e
n
s
i
t
y

Prob. Density Fcn.
Chi-square
n=10
n=30
2
2
1
2
1
2
1
2 2
1
) 1 (
) ( ) (
o
_
_ _
v



> = >
n
n
n n
s
n
P s X P
n=5
Tema 6. Inferencia
Estadstica
16
DISTRIBUCIN RAZN DE VARIANZAS
Cuando comparamos las varianzas de 2 var. definidas
sobre poblaciones normales, utilizamos la distribucin F de
SNEDECOR (o
1
:var.mayor y o
2
:var.menor)
n
1
=5 n
2
=10
n
1
=15 n
2
=11
n
1
=50 n
2
=100
0 2 4 6
X
0
0.3
0.6
0.9
1.2
1.5
1.8
p
r
o
b
.

d
e
n
s
i
t
y

Prob. Density Fcn.
F
1 / 1
2
2
2
2
2
1
2
1
2 1

n n
F
s
s
o
o
Tema 6. Inferencia
Estadstica
17
DISTRIBUCIN DE LA PROPORCIN
MUESTRAL
Siendo X=B(1,p). El estadstico que se utiliza para
estimar P (proporcin muestral) es:
n
p
v
=
Si se cumplen las condiciones de aproximacin de una
Binomial a una Normal (n>30, 0,1<p<0,9), por el
Teorema Central del Lmite, la distribucin de P ser:

v: n de veces que ocurre el
suceso A en la muestra de
tamao n
|
|
.
|

\
|

n
p p
p N p
) 1 (
,
Tema 6. Inferencia
Estadstica
18
DISTRIBUCIN DE DIFERENCIA DE
PROPORCIONES MUESTRALES
Si en ambas poblaciones se cumplen las
condiciones de aproximacin de una Binomial a
una Normal:

|
|
.
|

\
|

+


2
2 2
1
1 1
2 1 2 1
) 1 ( ) 1 (
,
n
p p
n
p p
p p N p p
Tema 6. Inferencia
Estadstica
19
PUNTOS DE SIGNIFICACIN
Se dice que x

es el valor crtico de una v.a. x
para un nivel , si se verifica que:
o
o
= > ) ( x X P
Es el concepto simtrico al del percentil:
p x X P
p
= s ) (